header-pattern-bg

Personliga AI-lösningar utmanar integriteten

Del av fokusområde Hälsoinnovation

För några år sedan presenterade Alexander Galozy, doktorand i informationsteknologi, sin licentiatuppsats om hur AI kan stödja sjukvården genom att minska arbetsbelastningen, sänka kostnaderna och stärka patienternas självbestämmande. I samband med att Alexander Galozy nu disputerar berättar han om framsteg och utveckling sedan dess.

Det finns en intressant väg framåt för ytterligare forskning för att hitta en bättre balans mellan prestanda och integritet.

 

Alexander Galozy

När Alexander Galozy skrev sin licentiatuppsats var den en del av iMedA-projektet, där forskargruppen utvecklade en mobilapplikation med skräddarsydda påminnelser och individanpassad information. För att hjälpa patienter att följa sin behandling och läkemedelsplan behöver mobilapplikationen veta mer om patientgruppen. Därför analyseras stora mängder befintliga elektroniska patientjournaler (EHR) med hjälp av modeller för maskininlärning. Alexander Galozy har sedan licentiatuppsatsen bland annat arbetat med att förbättra algoritmernas inlärningshastighet.

– Vi har testat att öka hastigheten vid vilken våra algoritmer mer effektivt utnyttjar tidigare insamlade data och mer intelligent analyserar mönster. Det har minskat antalet interaktioner som krävs för att erbjuda skräddarsydda lösningar i mobilapplikationen. Detta inte bara ökar användarengagemanget, utan stärker också möjligheten att ge patienterna mer effektiva och individualiserade interventioner, säger Alexander Galozy.

En man sitter i en fåtölj med en mobil i handen. Till vänster syns en ljus skärm.

Alexander Galozy i den intelligenta lägenheten HINT på Högskolan i Halmstad. Det är en realistisk hemmiljö där forskning och experiment utvecklar innovationer för vård och omsorg.

Svårt med balans mellan prestanda och integritet

Tillsammans med sina forskarkollegor har Alexander Galozy också undersökt integritetsproblem gällande användardata (i till exempel patientjournaler) genom att analysera hur effektiva enkla så kallade brusadditiva metoder är för att bevara integritet för användardata i ett rekommendationssystem. Ett rekommendationssystem är ett IT-stödsystem som använder AI-algoritmer på stora datamängder för att ge förslag och rekommendationer till slutanvändaren, till exempel en läkare. Genom att lägga till brus hoppades forskarna kunna maskera och bevara privata data om enskilda patienter.

– Rekommendationssystemet är inte olikt något som du skulle använda i mobilsjukvård för att erbjuda digitala interventioner. Vi har funnit att dessa brusadditiva metoder tyvärr inte är tillräckliga för att helt skydda integriteten. De kan dessutom förstöra för mycket av informationen, säger Alexander Galozy, men öppnar samtidigt upp för ny forskning:

– Det finns en intressant väg framåt för ytterligare forskning för att hitta en bättre balans mellan prestanda och integritet.

Mobilsjukvård

Mobilsjukvård är hälso- och sjukvårdstjänster som erbjuds eller stöds genom mobilteknologi. På engelska kallas detta mobile health eller mHealth.

En man demonstrerar en applikation i en mobiltelefon.

Alexander Galozy vill utveckla mobilsjukvården till att bli både säkrare och mer skräddarsydd.

AI-lösningar för personlig vård

Alexander Galozy tror att mobilsjukvård kommer att bli allt viktigare i framtiden när allt fler blir allt äldre. Han hoppas att hans forskning kommer att underlätta tillämpningen av sannolikhetsmetoder i utvecklingen av algoritmer och applikationer, mer specifikt Bandit-metoder, som kan hjälpa till med förslag, uppskattningar och val. Alexander Galozy tror att detta kommer att vara användbart inte bara inom mobilsjukvård utan även inom andra områden:

– Det möjliggör för patienter att få bra behandlingar och insatser som är mer anpassade utefter deras behov – precis när de behöver det. Dessutom tror jag att ämnet integritet och hur det påverkar prestanda inom Bandit-forskningen håller på att växa och vi vet ännu inte så mycket. Med min forskning har vi tagit ett litet steg framåt för i frågan om integritet inom detta område, något som är mycket relevant i dag och med all säkerhet kommer att bli det i framtiden.

Text och bild: ANNA-FRIDA AGARDSON
Toppbild: iSTOCK

Om Alexander Galozy

Alexander Galozy kommer från Tyskland. Han har en ingenjörsexamen från Fachhochschule Wuerzburg-Schweinfurt och en masterexamen inom inbyggda och intelligenta system. Hans intresse för informationsteknologi började tidigt i barndomen. Det dröjde dock tills efter examen i ingenjörsinformatik innan det satte fart ordentligt. Han kom till Halmstad 2016 då han ville gräva djupare i AI-ämnet och tyckte att Högskolan i Halmstad erbjöd ett attraktivt utbildningsprogram. Den 15 december disputerade han vid Högskolan i Halmstad på avhandlingen ”Mobile Health Interventions through Reinforcement Learning”.

Om disputationen

Avhandlingens titel: Mobile Health Interventions through Reinforcement Learning

Ordförande: Eren Erdal Aksoy, docent, Högskolan i Halmstad

Opponent: Allan Tucker, docent, Brunel University London

Ledamöter i betygsnämnden: professor Myra Spiliopoulou, Otto von Guericke Universität Magdeburg, Tyskland, professor Panagiotis Papapetrou, Stockholms universitet och professor Janna Hastings, University of Zurich, Schweiz

Handledare: Slawomir Nowaczyk, professor, Högskolan i Halmstad